4. YOLOv8模型架构（下）：Neck结构、Head结构与损失函数
上一讲我们把Backbone聊透了。这一讲咱们把剩下的三块拼图补上：Neck、Head和损失函数。这三块决定了模型能不能把特征用好、能不能精准预测、能不能快速收敛。
我个人习惯把Neck+Head比作“漏斗”——Neck负责把多尺度的特征揉在一起，Head负责从揉好的特征里“挤”出结果。而损失函数，就是告诉模型挤得对不对的裁判。
4.1 Neck结构：FPN + PAN的黄金组合
YOLOv8的Neck沿用了YOLOv5/v7的经典设计：FPN（特征金字塔） + PAN（路径聚合网络）。说白了，就是一条自上而下的通路加一条自下而上的通路。
为什么要这么设计？
你想想看，Backbone输出的特征图有多层：浅层分辨率高、语义弱；深层分辨率低、语义强。检测小目标需要浅层的细节，检测大目标需要深层的语义。FPN把深层的语义信息“向下传”，让浅层也能“看懂”自己在检测什么。PAN则反过来，把浅层的定位信息“向上传”，让深层也能“找准”目标在哪。
我在项目中遇到过一个问题：只用FPN时，小目标检测还行，但大目标的边框总有点偏。加上PAN之后，大目标的定位精度明显提升。嗯，这就是PAN带来的位置信息补偿。
具体结构上，YOLOv8的Neck做了几点优化：
- 去掉了C3模块，改用C2f模块——和Backbone保持一致，减少梯度消失风险
- 保留了上采样和下采样——FPN用上采样，PAN用下采样，尺度对齐
- 特征融合方式——直接相加（add），不是拼接（concat），减少参数量
下面这张图展示了Neck的整体流程：
4.2 Head结构：解耦头（Decoupled Head）
YOLOv8的Head和之前的版本有个重大区别：从耦合头变成了解耦头。
什么叫耦合头？就是分类和回归（边框预测）共享同一组卷积层，最后分出两个分支。YOLOv5就是这么干的。解耦头呢？分类和回归各自用独立的卷积层，互不干扰。
为什么要解耦？
我个人的理解是：分类任务关注的是“这是什么”，回归任务关注的是“它在哪里”。这两个任务的特征需求不一样。分类需要更强的语义信息，回归需要更精确的空间信息。硬把它们绑在一起，两边都受限制。
YOLOv8的解耦头结构如下：
| 组件 | 输入 | 操作 | 输出通道 |
|---|---|---|---|
| 共享卷积 | Neck输出特征 | 1×1 Conv + BN + SiLU | 128 |
| 分类分支 | 共享特征 | 2× 3×3 Conv + 1× 1×1 Conv | num_classes |
| 回归分支 | 共享特征 | 2× 3×3 Conv + 1× 1×1 Conv | 4 × reg_max |
这里有个细节：回归分支的输出是 4 × reg_max，不是直接输出4个坐标值。YOLOv8使用了Distribution Focal Loss（DFL）的思想，把每个坐标值建模成一个离散分布。reg_max默认是16，意味着每个坐标用16个bin来表示。这样做的好处是：边框预测更灵活，能适应不同形状的目标。
代码实现上，解耦头的核心逻辑大概是这样：
class Detect(nn.Module):
def __init__(self, nc=80, ch=()):
super().__init__()
self.nc = nc # 类别数
self.reg_max = 16 # DFL的bin数
# 分类分支
self.cv2 = nn.ModuleList(
nn.Sequential(Conv(x, 128, 3), Conv(128, 128, 3), nn.Conv2d(128, self.nc, 1))
for x in ch)
# 回归分支
self.cv3 = nn.ModuleList(
nn.Sequential(Conv(x, 128, 3), Conv(128, 128, 3), nn.Conv2d(128, 4 * self.reg_max, 1))
for x in ch)
def forward(self, x):
# x是Neck输出的多尺度特征列表
for i in range(len(x)):
# 分类和回归独立计算
cls_out = self.cv2[i](x[i])
reg_out = self.cv3[i](x[i])
# 后续处理...
4.3 损失函数设计
YOLOv8的损失函数由三部分组成：分类损失 + 回归损失 + DFL损失。嗯，比YOLOv5多了一个DFL损失。
具体来说：
- 分类损失：BCE Loss（二值交叉熵），和YOLOv5一样
- 回归损失：CIoU Loss（Complete IoU），比YOLOv5的GIoU更精细
- DFL损失：Distribution Focal Loss，用于优化边框的离散分布
总损失公式：
Loss = λ_cls × L_cls + λ_reg × L_ciou + λ_dfl × L_dfl
其中：
λ_cls = 0.5
λ_reg = 7.5
λ_dfl = 1.5这三个权重是经验值。我个人习惯在训练自己的数据集时，如果目标尺寸差异很大，会把λ_reg调高一点，比如调到10.0。因为CIoU对大目标的惩罚更明显，调高回归权重能让大目标框得更准。
4.3.1 CIoU Loss
CIoU比普通的IoU多了两个维度：中心点距离和长宽比一致性。公式如下：
CIoU = IoU - (ρ²(b, b_gt) / c²) - αv
其中：
ρ²(b, b_gt) = 预测框和真实框中心点的欧氏距离平方
c = 最小外接矩形的对角线长度
v = 长宽比一致性度量
α = 平衡参数为什么要用CIoU？
我举个例子：两个预测框和真实框的IoU相同，但一个中心点偏了，一个长宽比不对。普通IoU分不出好坏，CIoU能区分。它会让模型优先优化中心点偏移，再优化长宽比。这个优先级在实际检测中非常合理——位置对了，形状可以慢慢调；位置不对，形状再准也没用。
4.3.2 DFL Loss
DFL是YOLOv8新引入的损失。它的核心思想是：边框坐标不应该是一个确定值，而是一个分布。
举个例子：某个目标的x中心坐标，模型预测它在0.3到0.35之间，但真实值是0.33。传统方法直接回归0.33，DFL则让模型学习一个分布，比如在0.33附近的bin权重最高，两边逐渐降低。
DFL的公式：
DFL(S_i, S_{i+1}) = -((y_{i+1} - y) × log(S_i) + (y - y_i) × log(S_{i+1}))
其中：
y = 真实坐标值
y_i, y_{i+1} = 离y最近的两个离散bin
S_i, S_{i+1} = 这两个bin的预测概率4.3.3 正负样本分配
YOLOv8的损失计算还有一个关键环节：Task-Aligned Assigner（任务对齐分配器）。这是YOLOv8在样本分配上的改进。
传统方法（比如YOLOv5）根据IoU阈值分配正负样本。YOLOv8则同时考虑分类得分和回归质量：
alignment_metric = cls_score^α × IoU^β
其中：
α = 1.0（分类权重）
β = 6.0（回归权重）只有alignment_metric高的锚点才被选为正样本。这样做的好处是：分类好但框不准的锚点不会被选为正样本，框准但分类差的也不会。两者必须都好，才算正样本。
| 方法 | 分配依据 | 优点 | 缺点 |
|---|---|---|---|
| YOLOv5分配器 | IoU阈值 | 简单、速度快 | 忽略分类质量 |
| YOLOv8分配器 | 分类得分 × IoU | 任务对齐、精度高 | 计算稍复杂 |